Przejdź do głównej treści
Discovery 12 min

MEDDICC i BANT w erze AI: automatyczna kwalifikacja szansy

Zastąp intuicyjne zgadywanie twardą kwalifikacją szans sprzedaży. Wykorzystaj model LLM do automatycznego mapowania transkrypcji spotkania pod kątem ram MEDDICC: Metrics, Economic Buyer, Decision Criteria, Decision Process, Identify Pain, Champion, Competition.

Podsumowanie lekcji w 30 sekund (TL;DR)
Cel techniki: Discovery — automatyzacja i precyzja w procesie
Czas wdrożenia: ~12 min na konfigurację i przetestowanie
Rekomendowane modele LLM: Claude Sonnet / GPT-4o / Gemini Pro
1

Problem i diagnoza

Handlowcy deklarują w prognozach sprzedaży deale na 80% szans, opierając się na miłym tonie rozmowy i uśmiechach klienta. W rzeczywistości nie znają Economic Buyera, nie wiedzą, jak wygląda procedura podpisywania umów (Paper Process) i nie mają wewnątrz firmy żadnego Championa. W efekcie 60% pewnych transakcji nie zamyka się w przewidywanym kwartale.

2

Metoda działania krok po kroku

Wprowadź Zautomatyzowany Audyt Kwalifikacji MEDDICC z Asystą AI:

Krok 1: Wsad Transkrypcji ze Spotkania Discovery. Wklejasz pełny zapis tekstowy rozmowy z klientem do Claude 3.5 Sonnet lub GPT-4o.

Krok 2: Uruchomienie Promptu Diagnostycznego MEDDICC. Model ocenia każdy z 7 filarów metodyki w trzystopniowej skali: [POTWIERDZONE / ZAGROŻONE / BRAK DANYCH]:

  • M (Metrics): Czy znamy twarde liczby i oczekiwany zwrot?
  • E (Economic Buyer): Czy rozmawialiśmy z dysponentem budżetu?
  • D (Decision Criteria): Jakie są twarde wymagania techniczne i biznesowe?
  • D (Decision Process): Kto formalnie opiniuje i podpisuje umowę?
  • I (Identify Pain): Jaki jest rzeczywisty ból i koszt zaniechania?
  • C (Champion): Kto wewnątrz walczy o nasz projekt?
  • C (Competition): Kto jeszcze bierze udział w postępowaniu?

Krok 3: Generowanie Planu Działań Naprawczych. Model wskazuje 2 kluczowe luki w dealu oraz przygotowuje dokładne pytania, które handlowiec musi zadać na kolejnym spotkaniu.

3

Praktyczny przykład (ZŁY vs DOBRY)

ZŁY
Brak przygotowania i ogólne hasła sprzedażowe bez kontekstu klienta.
DOBRY
Fragment audytu transkrypcji spotkania handlowego wygenerowany przez AI:
  • M (Metrics): POTWIERDZONE — klient traci 18 tys. zł miesięcznie na opłatach postojowych floty.
  • E (Economic Buyer): BRAK DANYCH — rozmowa prowadzona wyłącznie z Kierownikiem Dyspozytorni. Brak kontaktu z Dyrektorem Finansowym.
  • D (Decision Process): ZAGROŻONE — klient wspomniał, że 'zarząd podejmuje decyzje pod koniec roku', brak sprecyzowanego procesu zakupowego.
  • C (Champion): POTWIERDZONE — Kierownik aktywnie wspiera rozwiązanie, bo zdejmuje z niego 3h pracy dziennie.
  • Rekomendacja strategiczna: 'Stopuj przygotowanie oferty cenowej. Transakcja utknie na etapie CFO. Następny krok: Zorganizowanie 20-minutowego spotkania z Kierownikiem i Dyrektorem Finansowym w celu przedstawienia wyliczenia ROI'.
4

Gotowy prompt do skopiowania

PROMPT PRODUKCYJNY
Rola: Chief Revenue Officer & Master MEDDICC Methodology Auditor.

Oto surowa transkrypcja lub szczegółowa notatka ze spotkania handlowego (Discovery Call):
[WKLEJ TRANSKRYPCJĘ LUB NOTATKI ZE SPOTKANIA]

Zadanie:
1. Przeprowadź rygorystyczny audyt kwalifikacji szansy sprzedaży według metodyki MEDDICC:
   - M: Metrics (Mierzalny wpływ biznesowy)
   - E: Economic Buyer (Dysponent budżetu)
   - D: Decision Criteria (Kryteria formalne i techniczne)
   - D: Decision Process (Ścieżka formalno-prawna i terminy)
   - I: Identify Pain (Ból biznesowy i koszt braku działania)
   - C: Champion (Wewnętrzny promotor z wpływem)
   - C: Competition (Konkurencja i alternatywy wewnętrzne)
2. Dla każdego elementu podaj status: [ZWERYFIKOWANE / RYZYKO / BRAK DANYCH] z 1 cytatem lub uzasadnieniem.
3. Oblicz obiektywny Deal Health Score (0-100%).
4. Sformułuj 2 najważniejsze pytania sondujące na kolejne spotkanie, które uzupełnią najbardziej krytyczne luki w kwalifikacji.
Modele: Claude Sonnet / GPT-4o / Gemini Pro Zobacz wszystkie 121 promptów →
5

Warianty promptu i scenariusze

Kwalifikacja BANT: Uproszczony audyt pod kątem Budżetu, Decydenta, Potrzeby i Harmonogramu dla mniejszych transakcji.

Audyt Paper Process: Analiza ścieżki obiegu dokumentów, akceptacji RODO i działu procurement w spółkach korporacyjnych.

6

Ćwiczenie i checklista wdrożenia

Zadanie praktyczne

Weź notatkę ze swojego ostatniego ważnego spotkania discovery. Przepuść ją przez powyższy prompt MEDDICC i zobacz, które z 7 kryteriów opiera się wyłącznie na Twoich domysłach.

Zapisano w przeglądarce

Kryteria sukcesu

0/4
?

Pytania wdrożeniowe i integracja z bazą CEIDG (FAQ)

Jak połączyć technikę „MEDDICC i BANT w erze AI: automatyczna kwalifikacja szansy” z arkuszem nowych firm CEIDG w Google Sheets?

W zadaniu z obszaru Discovery podstaw pod zmienne w prompcie bezpośrednie kolumny z żywego arkusza prospekting.pl w Google Sheets: nazwę podmiotu (kolumna A), imię właściciela (kolumna E), główny kod PKD 2025/2007 (kolumna I), opis branży wygenerowany przez AI (kolumna K) oraz wykryte zawody decydenta (kolumna L). Pełne wdrożenie zajmuje średnio 12 min.

Jak zweryfikować poprawność wdrożenia lekcji „MEDDICC i BANT w erze AI: automatyczna kwalifikacja szansy” przed skalowaniem?

Przed podpięciem promptu pod automatyzację w Make.com lub n8n przetestuj go ręcznie na próbce 10–15 rekordów i sprawdź listę kontrolną: Każda szansa sprzedaży o wartości pow. 20k PLN jest audytowana frameworkiem MEDDICC • Zidentyfikowano imiennie Economic Buyera i zweryfikowano jego udział w procesie decyzyjnym • Wykryto i udokumentowano formalne kryteria decyzyjne (Decision Criteria).

Jak stosować wiadomości wygenerowane w tej lekcji zgodnie z RODO (art. 14) i art. 398 PKE?

Przy kontakcie elektronicznym (e-mail lub telefon) z nowo zarejestrowaną działalnością gospodarczą z CEIDG stosuj dwuetapowy model kontaktu zgodny z art. 398 Prawa Komunikacji Elektronicznej (PKE): pierwsza wiadomość powinna weryfikować potrzebę biznesową i pytać o zgodę na przesłanie oferty handlowej wraz ze skróconą klauzulą informacyjną z art. 14 RODO (wzór znajdziesz na stronie Baza firm z e-mailami i telefonami — RODO i PKE).

✦

Powiązane lekcje i następne kroki w procesie

Opracowanie i Weryfikacja (E-E-A-T): Zespół Inżynierii Danych i Outboundu B2B — Zordon Intelligence Sp. z o.o.
KRS: 0001190915 • NIP: 7252358503

Metodologia (How & Why): Wszystkie szablony promptów i procedury w Akademii prospekting.pl są testowane na żywych strumieniach danych z API Hurtowni Danych CEIDG v3 (800–1 100 nowych JDG dziennie, 22 kolumny z mapowaniem PKD 2025 ↔ PKD 2007). Eliminujemy ogólnikowy żargon, stosując twarde ograniczenia negatywne (negative constraints) i weryfikowalne kryteria konwersji.

Zastrzeżenie prawne (YMYL Disclaimer): Materiały w Akademii mają charakter edukacyjno-techniczny i nie stanowią indywidualnej porady prawnej. Prowadząc komunikację elektroniczną B2B na bazie rejestrów publicznych, stosuj przepisy RODO (art. 6 ust. 1 lit. f oraz art. 14) i art. 398 Prawa Komunikacji Elektronicznej (PKE).

Ostatnia aktualizacja: 2026-10-18 • Przetestowano na: Claude Sonnet, GPT-4o, Gemini Pro • Licencja: Do użytku komercyjnego
PRZETESTUJ NA PRAWDZIWYCH FIRMACH Z CEIDG

Otwórz darmowy arkusz 50 świeżych firm z CEIDG w Google Sheets i wypróbuj powyższy prompt na realnych rekordach z kodami PKD 2025.

Próbka 50 firm (Sheets) ↗